设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 1985|回复: 4
打印 上一主题 下一主题

[信息技术] 继续请教问题:关于 Pytorch 的 Autograd

[复制链接]
  • TA的每日心情

    4 天前
  • 签到天数: 1183 天

    [LV.10]大乘

    跳转到指定楼层
    楼主
     楼主| 发表于 2023-2-14 13:09:28 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
    本帖最后由 雷达 于 2023-2-14 13:12 编辑 0 ]' t* A/ ?. t3 E

    : E& o" i: E$ S, y8 \7 Z为预防老年痴呆,时不时学点新东东玩一玩。# f, {5 j; k0 u; M  h( E6 q0 u$ l
    Pytorch 下面的代码做最简单的一元线性回归:
    & n% m7 B9 F: d----------------------------------------------
    ( k. U' ~) r7 l2 W# o# ^8 {- {$ w6 ~import torch
    % M6 G4 Y5 K, T8 r; C3 L# mimport numpy as np) l* J) M; ~" V) t+ n
    import matplotlib.pyplot as plt& W( h# H- w/ }+ g9 ?* h  D! H0 n
    import random1 Z& P) e7 J) {5 F$ C
    + p2 f/ r; H0 \" Q1 M. @
    x = torch.tensor(np.arange(1,100,1))
    0 y* `& v- j+ |y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
      f! b6 D) t+ V/ {1 S2 ]8 Z) u1 z
    ) p1 K% u7 V  A3 B5 ~w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
    ' _# a; }# g  I; v* v9 g* ~b = torch.tensor(0.,requires_grad=True)5 {- E( ?0 X) U& |3 I

    / j( f  a; b0 R0 t3 T/ s: repochs = 1002 s8 ]9 G; Y! @4 h
    ' q1 l. d* n* q  l3 A: g
    losses = []
    - z: F' u" A# w+ S0 v8 Efor i in range(epochs):
    & {" W  F7 ~  x# p2 B8 U  y_pred = (x*w+b)    # 预测
    4 f" z: p1 X# ~# y8 B; r6 K  y_pred.reshape(-1)
    9 i* Z6 ?; e- Z! r1 M' h6 a$ t ; r3 o4 Q7 I: \" M& H' b
      loss = torch.square(y_pred - y).mean()   #计算 loss$ e7 P, t. V# l% Y2 k% d( T
      losses.append(loss)
    + |2 Q& r2 G3 z( c! g9 {+ }  % {' K% q; ?" @1 @" \2 M8 m; L/ q
      loss.backward() # autograd
    ! x% ~7 ^& C0 ]5 o3 ?  with torch.no_grad():
    0 j! f) x1 y* x$ i0 @    w  -= w.grad*0.0001   # 回归 w+ M2 K/ e, x; g2 z" J( w
        b  -= b.grad*0.0001    # 回归 b - a/ j" D, G% y3 K$ A2 M$ H
      w.grad.zero_()  
    9 ?& g: y, R. |3 o/ T: a  b.grad.zero_()
    ) E* u! w/ ^$ M% b; f+ X1 I+ C5 S* e* J5 U7 G# y9 o
    print(w.item(),b.item()) #结果% Z" T3 K3 d& A

    : {  `% q" w1 ~5 R/ @& _7 TOutput: 27.26387596130371  0.4974517822265625- ~- w; i2 k9 e. ^( I
    ----------------------------------------------
    $ g8 T5 C$ E8 f- l9 G% s最后的结果,w可以回到 w0 = 27 附近,b却回不去 b0=15。两处红字,损失函数是矢量计算后的均值,感觉 b 的回归表达有问题。
    ( i6 q" u/ y7 v! o# m3 s/ f) o高手们帮看看是神马原因?
    0 s0 X! Z# ~. d' i7 S6 q

    评分

    参与人数 1爱元 +10 收起 理由
    老票 + 10 不明觉厉

    查看全部评分

    该用户从未签到

    沙发
    发表于 2023-2-14 19:23:02 | 只看该作者
    本帖最后由 老福 于 2023-2-14 21:58 编辑
    % r. \, t- Q5 ^8 ^/ G0 p8 `2 H: H/ s- v, D
    没有用过pytorch,但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期?) j. u9 n$ y5 \2 c) i$ z8 S5 @; `
    -------5 }2 [* [; d- w8 N, e$ _( f: h
    不好意思,再看一遍,好像你在自算回归而不是用现成的工具直接出结果,上面的评论只有一点用,就是确认是不是算法有问题。
    : _* G! T. @, w-------6 P1 H- t" w8 E- P; u
    算法诊断部分,建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够,因为你起点是0, 步长很小。只是直观建议。

    评分

    参与人数 1爱元 +10 收起 理由
    雷达 + 10 谢谢建议

    查看全部评分

    回复 支持 反对

    使用道具 举报

  • TA的每日心情

    4 天前
  • 签到天数: 1183 天

    [LV.10]大乘

    板凳
     楼主| 发表于 2023-2-14 21:52:57 | 只看该作者
    老福 发表于 2023-2-14 19:23* _+ t4 l3 ~5 p
    没有用过pytorch,但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期?  T  e& Q) w; J( ?9 [
    -------+ U& A) i& n6 T1 X: f. I
    不好意思, ...

    3 z" f1 O( p. I, _: K8 m9 o谢谢,算法应该没问题,就是最简单的线性回归。# |7 r% @  m7 P& `
    我特意没有用现成的工具,就是想从最基本的地方深入理解一下。
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    地板
    发表于 2023-2-14 22:00:48 | 只看该作者
    本帖最后由 老福 于 2023-2-14 22:02 编辑 % J  }- H6 j: t8 T
    雷达 发表于 2023-2-14 21:523 F; y" B3 G2 R  B, `* }5 i6 H
    谢谢,算法应该没问题,就是最简单的线性回归。
    / j4 a( Z3 L8 Z9 X! I% {  ]5 r  ?我特意没有用现成的工具,就是想从最基本的地方深入理解 ...

    # H( p& W7 }" ?" O, n
      y. x. f" Y" B+ z! u+ t/ g$ }3 q刚才更新了一下,建议增加循环次数或调一下步长,查一下loss曲线。+ n$ B$ `( r1 J2 x3 A: |5 d

    & J/ ^% y& ]  O或者把b但的起点改为1试试。
    回复 支持 反对

    使用道具 举报

  • TA的每日心情

    4 天前
  • 签到天数: 1183 天

    [LV.10]大乘

    5#
     楼主| 发表于 2023-2-15 00:25:26 | 只看该作者
    本帖最后由 雷达 于 2023-2-15 00:31 编辑 # v* [2 L) w$ `; a
    老福 发表于 2023-2-14 22:00
    5 b. [  R8 Z9 B( I& D刚才更新了一下,建议增加循环次数或调一下步长,查一下loss曲线。
    + B, w+ u( M6 s2 g
    ' b9 u! R4 ~2 u$ L* [或者把b但的起点改为1试试。 ...
    1 g2 q6 ?2 E+ i- [

      Y& ~6 a6 H2 ~- T0 H, E你是对的。
    ( t2 L6 O- L# a5 x9 g去掉了随机部分
    & O& e- w. r  j* O0 |#y = (x*27+15+random.randint(-2,3)).reshape(-1)
    9 k6 e* s! L$ E% Ny = (x*27+15).reshape(-1)6 p: j& z* i6 W
    & i4 G) r7 h! b' ^
    循环次数加成10倍,就看到 b 收敛了! W2 @  K6 M; H0 S  P" e7 B* v
    w , b
    9 I, e! G1 E( R' U4 Y27.002620697021484 14.826167106628418, q8 R$ @! M, N7 U1 c

    : y; Z3 E* N( T2 |和 b 的起始位置无关,但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ,收敛就很慢。
    回复 支持 反对

    使用道具 举报

    手机版|小黑屋|Archiver|网站错误报告|爱吱声   

    GMT+8, 2025-9-26 06:50 , Processed in 0.035147 second(s), 18 queries , Gzip On.

    Powered by Discuz! X3.2

    © 2001-2013 Comsenz Inc.

    快速回复 返回顶部 返回列表